論文の概要: Bladder Cancer Diagnosis with Deep Learning: A Multi-Task Framework and Online Platform
- arxiv url: http://arxiv.org/abs/2508.15379v1
- Date: Thu, 21 Aug 2025 09:20:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-22 16:26:46.25772
- Title: Bladder Cancer Diagnosis with Deep Learning: A Multi-Task Framework and Online Platform
- Title（参考訳）: ディープラーニングによる膀胱癌診断 : マルチタスクフレームワークとオンラインプラットフォーム
- Authors: Jinliang Yu, Mingduo Xie, Yue Wang, Tianfan Fu, Xianglai Xu, Jiajun Wang,
- Abstract要約: 膀胱癌診断の現在の標準である臨床嚢胞内視鏡は、医師の専門知識に大きく依存している。
本研究では,膀胱癌の膀胱内視鏡像からの診断に特化して設計されたマルチタスク深層学習フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 13.134825330817563
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Clinical cystoscopy, the current standard for bladder cancer diagnosis, suffers from significant reliance on physician expertise, leading to variability and subjectivity in diagnostic outcomes. There is an urgent need for objective, accurate, and efficient computational approaches to improve bladder cancer diagnostics. Leveraging recent advancements in deep learning, this study proposes an integrated multi-task deep learning framework specifically designed for bladder cancer diagnosis from cystoscopic images. Our framework includes a robust classification model using EfficientNet-B0 enhanced with Convolutional Block Attention Module (CBAM), an advanced segmentation model based on ResNet34-UNet++ architecture with self-attention mechanisms and attention gating, and molecular subtyping using ConvNeXt-Tiny to classify molecular markers such as HER-2 and Ki-67. Additionally, we introduce a Gradio-based online diagnostic platform integrating all developed models, providing intuitive features including multi-format image uploads, bilingual interfaces, and dynamic threshold adjustments. Extensive experimentation demonstrates the effectiveness of our methods, achieving outstanding accuracy (93.28%), F1-score (82.05%), and AUC (96.41%) for classification tasks, and exceptional segmentation performance indicated by a Dice coefficient of 0.9091. The online platform significantly improved the accuracy, efficiency, and accessibility of clinical bladder cancer diagnostics, enabling practical and user-friendly deployment. The code is publicly available. Our multi-task framework and integrated online tool collectively advance the field of intelligent bladder cancer diagnosis by improving clinical reliability, supporting early tumor detection, and enabling real-time diagnostic feedback. These contributions mark a significant step toward AI-assisted decision-making in urology.
- Abstract（参考訳）: 膀胱癌診断の現在の標準である臨床膀胱内視鏡は、医師の専門知識に大きく依存しており、診断結果の多様性と主観性に繋がる。
膀胱癌診断を改善するために、客観的、正確、効率的な計算アプローチが必要である。
本研究は,近年の深層学習の進歩を生かして,膀胱の内視鏡画像による膀胱癌診断に特化して設計されたマルチタスク深層学習フレームワークを提案する。
本フレームワークは、畳み込みブロックアテンションモジュール(CBAM)で強化されたEfficientNet-B0を用いたロバストな分類モデル、自己アテンション機構とアテンションゲーティングを備えたResNet34-UNet++アーキテクチャに基づく高度なセグメンテーションモデル、およびHER-2やKi-67などの分子マーカーを分類するためにConvNeXt-Tinyを用いた分子サブタイピングを含む。
さらに,マルチフォーマット画像アップロードやバイリンガルインタフェース,動的しきい値調整などの直感的な機能を備えたGradioベースのオンライン診断プラットフォームを導入する。
広汎な実験により, 精度93.28%, F1スコア82.05%, AUC96.41%, Dice係数0.9091で示される例外セグメンテーション性能が得られた。
このオンラインプラットフォームは、臨床的膀胱癌診断の精度、効率、アクセシビリティを大幅に改善し、実用的でユーザフレンドリーなデプロイメントを可能にした。
コードは公開されている。
我々のマルチタスクフレームワークと統合オンラインツールは、臨床信頼性を改善し、早期腫瘍検出をサポートし、リアルタイムの診断フィードバックを可能にすることにより、インテリジェント膀胱癌診断の分野を総合的に前進させる。
これらの貢献は、オーロロジーにおけるAIによる意思決定への重要な一歩である。
関連論文リスト
- End-to-End Agentic RAG System Training for Traceable Diagnostic Reasoning [52.12425911708585]
Deep-DxSearchは、強化学習(RL)でエンドツーエンドに訓練されたエージェントRAGシステムである。
Deep-DxSearchでは,患者記録と信頼性のある医療知識情報を含む大規模医療検索コーパスを構築した。
実験により、エンドツーエンドのRLトレーニングフレームワークは、プロンプトエンジニアリングやトレーニングフリーなRAGアプローチよりも一貫して優れています。
論文 参考訳（メタデータ） (2025-08-21T17:42:47Z) - RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。
システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
論文 参考訳（メタデータ） (2025-06-17T03:10:33Z) - A Narrative Review on Large AI Models in Lung Cancer Screening, Diagnosis, and Treatment Planning [8.431488361911754]
肺がんは世界中で最も流行し、致命的な疾患の1つである。
大規模AIモデルの最近の進歩は、医療画像理解と臨床的意思決定を大幅に強化した。
本稿では, 肺がん検診, 診断, 予後, 治療における大規模AIモデルの適用状況について, 系統的に検討する。
論文 参考訳（メタデータ） (2025-06-08T17:42:24Z) - D-Cube: Exploiting Hyper-Features of Diffusion Model for Robust Medical Classification [9.237437350215897]
本稿では拡散型診断(D-Cube)について紹介する。これは拡散モデルから高機能と対照的な学習を併用して癌診断を改善する新しいアプローチである。
D-Cubeは拡散モデルの堅牢な表現能力を利用する高度な特徴選択技術を採用している。
D-CubeはCT,MRI,X線など,複数の医用画像モダリティに対して有効であることが実験的に検証された。
論文 参考訳（メタデータ） (2024-11-17T14:30:50Z) - Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。
本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
論文 参考訳（メタデータ） (2024-05-23T07:03:38Z) - Deep learning in computed tomography pulmonary angiography imaging: a
dual-pronged approach for pulmonary embolism detection [0.0]
本研究の目的は,深層学習技術を活用し,肺塞栓症(PE)のコンピュータ支援診断(CAD)を強化することである。
我々の分類システムは、注意機構を用いて局所的な文脈を利用する注意誘導畳み込みニューラルネットワーク(AG-CNN)を含む。
AG-CNNはFUMPEデータセット上で堅牢なパフォーマンスを実現し、AUROCは0.927、感度は0.862、特異性は0.879、F1スコアは0.805、Inception-v3バックボーンアーキテクチャは0.805である。
論文 参考訳（メタデータ） (2023-11-09T08:23:44Z) - Scalable Online Disease Diagnosis via Multi-Model-Fused Actor-Critic
Reinforcement Learning [9.274138493400436]
医療のアドバイスをオンラインで求めている人にとっては、患者と対話して自動的に疾患を診断できるAIベースの対話エージェントが有効な選択肢だ。
これは、強化学習(RL)アプローチを自然解として提案した逐次的特徴(症状)選択と分類の問題として定式化することができる。
生成的アクターネットワークと診断批評家ネットワークから構成されるMMF-AC(Multi-Model-Fused Actor-Critic)フレームワークを提案する。
論文 参考訳（メタデータ） (2022-06-08T03:06:16Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳（メタデータ） (2021-10-05T19:14:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。